第一章 算法媒体的技术语境
第一节 算法推荐媒体的技术流程框架
趣头条的算法推荐机制作用于四个板块，分别是内容生产、内容审核和舆情监测，内容分发及召回机制。
趣头条不仅可以自己生产内容，还能对内容进行审核和分发，对于没有过滤掉的劣质信息或者是点击率低的文章进行召回，再重新投入到计算、再推荐当中。趣头条的算法推荐机制流程框架示意图如上图 1-1 所示。
...........................
第二节 数据+算法：算法推荐机制的触发器
一 用户和内容匹配的核心——数据
为了实现内容与用户的良好匹配，首先需要获取用户数据和内容数据。可以说，数据是算法推荐机制的核心，是不可缺少的要素，没有数据便是无米之炊。对于新闻传播媒体领域，数据更是有着很高的商业价值。本文以趣头条为研究对象，从用户数据、内容数据、用户和内容的匹配三个方面来进行说明。
（一）用户数据
用户大数据指通过云计算、大数据、AI 等技术功能的信息互联网平台和物联网记录、运算的用户行为数据及用户属性数据。1、用户属性数据用户属性数据也叫做用户人口统计学数据，就是用户自身所带的属性，比如年龄、性别、地域、学历、家庭组成、职业等等。这些数据一般是稳定不变（如性别）或者缓慢变化（如年龄）的。
人类是一个社会化物种，用户的不同属性决定了用户处在不同的阶层或者生活圈，不同的阶层或生活圈又有不同的行为特征、生活方式、偏好特点，同一圈层具备一定的相似性，相近的属性有利于产品的定位和内容策划，保障算法推荐的精确度。
2、用户行为数据
用户行为数据指用户在网络上的各种操作，比如浏览、点击、播放、购买、搜索、收藏、点赞、转发、加购物车、甚至滑动、在某个位置的停留时长、快进等等一切操作行为。用户的网络操作行为是用户最真实意图的反馈，反应了用户的兴趣状态，通过分析用户行为，可以获得对用户的兴趣偏好的深刻洞察。
根据用户的行为是否直接表明用户对标的物的兴趣偏好，又分为显性行为数据和隐性行为数据。显性行为数据是直接表明用户兴趣的行为，比如点赞、评分等。隐性行为数据间接反馈用户的兴趣变化，包括浏览、点击、播放、收藏、评论、转发等等。
...........................
第二章 算法媒体趣头条用户与内容的响应关系分析
第一节 对调查样本选择和抽样设计的说明
一 为什么选择趣头条为分析样本？
选择分析样本的原则主要包括：一是算法媒体有一定知名度和市场影响力，保证一定的代表性；二是研究样本最好有独立开展技术研发的能力，算法媒体在技术架构上虽然具有一定的共通性，在功能运用上以算法推荐为主流，运用的也最为成熟，但算法模型仍有所不同，并且在继续进化，因此，研究样本应具有一定的技术研发能力，保证媒体平台的延续；第三，具有收集用户数据的平台和能力；第四，从算法媒体的类型看，以信息流产品最具代表性。基于以上考量，选择趣头条为分析样本比较合理。具体来说，主要有以下几个理由。
一 为什么选择趣头条为分析样本？
选择分析样本的原则主要包括：一是算法媒体有一定知名度和市场影响力，保证一定的代表性；二是研究样本最好有独立开展技术研发的能力，算法媒体在技术架构上虽然具有一定的共通性，在功能运用上以算法推荐为主流，运用的也最为成熟，但算法模型仍有所不同，并且在继续进化，因此，研究样本应具有一定的技术研发能力，保证媒体平台的延续；第三，具有收集用户数据的平台和能力；第四，从算法媒体的类型看，以信息流产品最具代表性。基于以上考量，选择趣头条为分析样本比较合理。具体来说，主要有以下几个理由。
第一，在主流市场被 BAT 等强势企业瓜分完毕的情况下，趣头条另辟蹊径，
定位于三、四城市，力求覆盖农村地区，满足下沉市场用户的信息、娱乐等需求，对这一市场用户和内容响应、反馈机制的研究，具有较强的新颖性。
第二，和 BAT 等第一梯队的强势企业相比，趣头条属于新兴算法媒体，有一定的市场影响力和代表性。而且，优势与劣势并存，相较于 BAT，趣头条可能存在的问题更多，更明显，有助于发现问题，进行有针对性研究。
第三，趣头条有一定技术研发能力。根据趣头条财务报告，趣头条投入的技术研发费用在不断增加，到 2019 年第三季度，技术研发费用比上一年度同一时期增长三倍有余。增长的费用主要用于 AI 技术的研发和推荐算法技术的创新。趣头条在不断加大研发投入的同时，尤其重视技术人才对企业发展的作用。趣头条不断扩充技术人员并提高薪酬，挖掘前沿顶尖算法技术人员，他们多来自美国硅谷和国内大型互联网公司，此外还引进了国外先进技术。趣头条核心团队掌握了国内外先进的算法技术，并对核心团队采取股权激励政策，大大降低技术人员的流失率。经过算法技术的革新，趣头条更加重视用户对内容以及性能上的升级需求，这体现在应用版本的迭代上。
第四，在大量的研发成本投入，不断扩大的研发团队，打造出了一个适合下沉市场用户群体阅读的新闻资讯平台，即趣头条。在技术平台的支撑下，趣头条具备收集用户数据的能力，从而形成了以新闻资讯平台的形式，使用户和内容紧密的联系在一起。
..............................
第二节 用户需求对内容的响应关系分析
算法推荐机制下，用户和内容的关系是双向的。用户对内容的响应主要是通过用户属性、用户需求动机和用户需求行为标签来完成的，因此，首先必须分析的用户属性、需求动机及需求行为对内容的响应。
根据 “使用与满足”理论，媒体传播可以从用户的角度进行研究。由于用户个体对内容的需求去接触趣头条这类算法媒体，通过趣头条这个媒介，用户会在大脑中形成对趣头条的印象，这个印象也会持续影响用户行为。随着算法媒体的快速发展，信息的传播环境发生了巨大的变化，用户不再是被动地接受大众媒体的信息，用户可以主动选择自己偏好的内容，并通过阅读、浏览这些内容来满足自己的目的或愿望，得到精神的满足。而在算法媒体平台，随着分众化和个性化阅读的兴起，使得“使用与满足”理论更有了现实意义。不同的人或群体，使用媒介时动机与需求各不相同。
一 用户属性对内容响应的分析
（一）下沉用户与轻阅读内容响应
《社交裂变深度洞察报告》中表明趣头条的核心用户主要在三线城市及以下地区。分布在一、二线城市用户占整体三分之一，而分布在四线城市及以下的用户数量最多，占比 41.4%，是一线城市用户的四倍。21三四线城市及以下地区的用户成为主力军。根据调查问卷，趣头条用户城市等级分布如图 2-2 所示：
.........................
第三，趣头条有一定技术研发能力。根据趣头条财务报告，趣头条投入的技术研发费用在不断增加，到 2019 年第三季度，技术研发费用比上一年度同一时期增长三倍有余。增长的费用主要用于 AI 技术的研发和推荐算法技术的创新。趣头条在不断加大研发投入的同时，尤其重视技术人才对企业发展的作用。趣头条不断扩充技术人员并提高薪酬，挖掘前沿顶尖算法技术人员，他们多来自美国硅谷和国内大型互联网公司，此外还引进了国外先进技术。趣头条核心团队掌握了国内外先进的算法技术，并对核心团队采取股权激励政策，大大降低技术人员的流失率。经过算法技术的革新，趣头条更加重视用户对内容以及性能上的升级需求，这体现在应用版本的迭代上。
第四，在大量的研发成本投入，不断扩大的研发团队，打造出了一个适合下沉市场用户群体阅读的新闻资讯平台，即趣头条。在技术平台的支撑下，趣头条具备收集用户数据的能力，从而形成了以新闻资讯平台的形式，使用户和内容紧密的联系在一起。
..............................
第二节 用户需求对内容的响应关系分析
算法推荐机制下，用户和内容的关系是双向的。用户对内容的响应主要是通过用户属性、用户需求动机和用户需求行为标签来完成的，因此，首先必须分析的用户属性、需求动机及需求行为对内容的响应。
根据 “使用与满足”理论，媒体传播可以从用户的角度进行研究。由于用户个体对内容的需求去接触趣头条这类算法媒体，通过趣头条这个媒介，用户会在大脑中形成对趣头条的印象，这个印象也会持续影响用户行为。随着算法媒体的快速发展，信息的传播环境发生了巨大的变化，用户不再是被动地接受大众媒体的信息，用户可以主动选择自己偏好的内容，并通过阅读、浏览这些内容来满足自己的目的或愿望，得到精神的满足。而在算法媒体平台，随着分众化和个性化阅读的兴起，使得“使用与满足”理论更有了现实意义。不同的人或群体，使用媒介时动机与需求各不相同。
一 用户属性对内容响应的分析
（一）下沉用户与轻阅读内容响应
《社交裂变深度洞察报告》中表明趣头条的核心用户主要在三线城市及以下地区。分布在一、二线城市用户占整体三分之一，而分布在四线城市及以下的用户数量最多，占比 41.4%，是一线城市用户的四倍。21三四线城市及以下地区的用户成为主力军。根据调查问卷，趣头条用户城市等级分布如图 2-2 所示：
.........................
第三章 算法推荐机制下用户与内容负效响应关系的归因与治理........................36
第一节 用户与内容负效响应：个案还是普遍现象？.....................................36
一 对趣头条的再分析：算法助推下的内容危机......................................36
二 普遍性分析：规制下的资讯传播.........................37
第三章 算法推荐机制下用户与内容负效响应关系的归因与治理
第一节 用户与内容负效响应：个案还是普遍现象？
一 对趣头条的再分析：算法助推下的内容危机
趣头条的发展崛起不是一蹴而就的，基于追踪用户行为数据的推荐算法是趣头条的产品灵魂。但是，算法推荐机制带来的不仅是内容与用户之间的相互匹配，由此造成的低质内容危害社会文化健康发展的弊端更值得我们深思。
一 对趣头条的再分析：算法助推下的内容危机
趣头条的发展崛起不是一蹴而就的，基于追踪用户行为数据的推荐算法是趣头条的产品灵魂。但是，算法推荐机制带来的不仅是内容与用户之间的相互匹配，由此造成的低质内容危害社会文化健康发展的弊端更值得我们深思。
弗洛伊德提出的“人格结构理论”里表示，人类以满足自己的欲望为出发点去从事社会活动。这样会导致一种现象，符合人性弱点的内容的点击率会高于优质内容的点击率。算法正是学习到这一点，在算法模型中计算出新一轮的参考数据推荐给目标用户，如此循环往复，趣头条的内容界面已沦为低质信息的泛滥场，内容危机早已拉响警报。
2019 年 5 月 14 日新华社点名批评以趣头条为首，包括淘头条、闪电盒子、小鸟看看、蚂蚁头条在内的号称“看新闻就能赚钱”的 APP，指责其根本没有互联网新闻信息服务资质，“新闻”多为八卦、猎奇等垃圾信息。所谓的‘看新闻能赚钱’大多只是广告噱头和套路。这些 APP 大多打着‘注册或登录就送几千个金币’的广告语吸引用户下载。而不少用户注册后发现，所谓的高额金币折算成现金也就几毛钱。而且需要累积到一定额度才能提现，提现时还会面临种种套路。甚至，这类 APP 还存在过度索取用户权限、更改手机设置等问题。多款 APP 要求用户必须允许读取地理位置和通讯录信息才可以打开。”新华社的报道一针见血点明问题所在。
................................
结语
随着互联网技术的迅速发展，算法推荐机制改变了资讯类算法媒体的内容生产、审核、分发等环节，对用户和内容产生了较大的影响。本文以趣头条为例分析了算法推荐机制下用户和内容间的响应关系，具有一定的理论和现实意义。
本研究主要内容包括以下几点：一是研究了算法媒体的技术语境，并建立了算法推荐机制框架，明确了数据是算法推荐机制的核心，算法推荐机制的本质是实现用户数据和内容数据的相互匹配；二是以趣头条为分析样本设计了针对用户的调查问卷，分析了算法推荐机制下用户和内容间的响应关系。首先从内容来源、内容种类、内容结构、内容情感向度和内容反馈五个维度构建了趣头条内容分析类目，对内容样本进行了周详的量化分析。然后从用户属性、需求动机及需求行为三个方面分析了用户对内容的响应；接着从正效内容响应和负效内容响应两个方面分析了内容对用户需求的响应，总结出了算法推荐机制下用户和内容关系的本质；三是对算法技术所带来的的用户与内容间的负效响应关系的普遍性、归因和治理、进行的研究。
通过本研究得到了以下结论：数据是算法推荐机制的核心，算法推荐机制的本质是实现用户和内容的相互匹配；算法推荐机制下，用户和内容的响应关系是双向的。用户对内容的响应主要是通过用户属性、用户需求动机和用户需求行为标签来完成的，内容对用户的响应存在正效响应和负效响应。通过实证分析，可以得出算法推荐技术并不能保证用户和内容产生完全一致的响应，正效响应和负效响应并存，算法推荐机制强化了响应功能，算法推荐机制体现的技术治理媒体，而非人的治理；算法技术所带来的的用户与内容间的负效响应关系具有一定普遍性，需要进行治理。
参考文献（略）